發(fā)布時(shí)間：2022-08-29 19:22

　　森林生物量是森林生態(tài)系統(tǒng)中重要的特征數(shù)據(jù)。隨著遙感技術(shù)的發(fā)展,多源遙感數(shù)據(jù)已經(jīng)被用于各尺度上的森林生物量估算。高分辨率遙感影像的光譜波段信息較少,但其影像空間信息量較大,可以更好地反映地物的結(jié)構(gòu)特點(diǎn)與規(guī)律,有助于分析森林結(jié)構(gòu)參數(shù)。SAR雷達(dá)數(shù)據(jù)可以實(shí)現(xiàn)全天候全天時(shí)對(duì)地觀測(cè),不受外界環(huán)境等因素影響,其中C波段信號(hào)可以更好地反應(yīng)樹木冠層信息,對(duì)于反演森林生物量有重大意義。本研究以大興安嶺地區(qū)塔河縣為研究區(qū),采用高分辨率數(shù)據(jù)Worldview-2和合成孔徑全極化雷達(dá)Radarsat-2數(shù)據(jù),提取高分?jǐn)?shù)據(jù)的紋理信息、光譜特征、植被指數(shù)；提取SAR不同極化方式的后向散射系數(shù)和SAR的紋理特征,在分析這些參數(shù)的相關(guān)性基礎(chǔ)上,應(yīng)用多元非線性回歸、支持向量機(jī)回歸建立針葉林和闊葉林的生物量模型,并利用地形因子對(duì)生物量模型進(jìn)行地形因子影響分析。本研究將探討多源遙感數(shù)據(jù)估算森林生物量的潛力,為利用遙感模型估算研究區(qū)森林生物量提供支撐。主要研究內(nèi)容及結(jié)果包括：（1）高分遙感影像提取生物量敏感參數(shù)：不同窗口的8個(gè)紋理特征參數(shù)包括均值（Mean）,方差（Variance）,協(xié)同性（Homogeneity）,對(duì)比度... 

【文章頁數(shù)】：97 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1. 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 單一遙感數(shù)據(jù)源估算生物量研究進(jìn)展
        1.2.2 光學(xué)與微波雷達(dá)數(shù)據(jù)結(jié)合估算生物量
    1.3 項(xiàng)目來源與經(jīng)費(fèi)支持
    1.4 研究內(nèi)容與方法
        1.4.1 研究目標(biāo)
        1.4.2 研究內(nèi)容
        1.4.3 關(guān)鍵問題
        1.4.4 研究方法
        1.4.5 技術(shù)路線
2. 研究區(qū)概況與數(shù)據(jù)預(yù)處理
    2.1 研究區(qū)概況
        2.1.1 地理位置
        2.1.2 森林資源
    2.2 數(shù)據(jù)獲取
        2.2.1 Worldview-2數(shù)據(jù)
        2.2.2 Radarsat-2數(shù)據(jù)
        2.2.3 地面數(shù)據(jù)
        2.2.4 其他數(shù)據(jù)
    2.3 數(shù)據(jù)預(yù)處理
        2.3.1 Worldview-2高分辨率影像預(yù)處理
        2.3.2 SAR數(shù)據(jù)預(yù)處理
        2.3.3 外業(yè)數(shù)據(jù)預(yù)處理與分類
3. Worldview-2高分影像與SAR參數(shù)提取
    3.1 Worldview-2高分影像參數(shù)提取
        3.1.1 原始波段參數(shù)提取
        3.1.2 植被指數(shù)
        3.1.3 紋理信息
    3.2 SAR參數(shù)提取
        3.2.1 后向散射系數(shù)
        3.2.2 紋理特征提取
4. 面向?qū)ο蟮闹脖环诸?br>    4.1 多尺度分割
    4.2 特征空間與分類規(guī)則的建立
    4.3 精度評(píng)價(jià)
5. 基于Worldview-2與SAR的生物量估測(cè)
    5.1 參數(shù)相關(guān)性分析
        5.1.1 Worldview-2參數(shù)分析
        5.1.2 Radatsar-2參數(shù)分析
        5.1.3 針闊葉林特征變量綜合分析
    5.2 多元非線性生物量估算模型
        5.2.1 生物量遙感模型概述
        5.2.2 闊葉林生物量預(yù)測(cè)模型
        5.2.3 針葉林生物量預(yù)測(cè)模型
    5.3 支持向量機(jī)生物量估算模型
        5.3.1 支持向量機(jī)概述
        5.3.2 核函數(shù)及參數(shù)選擇
        5.3.3 支持向量機(jī)模型構(gòu)建
    5.5 小結(jié)
6. 地形分析
    6.1 闊葉林生物量地形分析
        6.1.1 坡向
        6.1.2 坡度
        6.1.3 海拔
    6.2 針葉林生物量地形分析
        6.2.1 坡向
        6.2.2 坡度
        6.2.3 海拔
    6.3 小結(jié)
7. 結(jié)論與討論
    7.1 結(jié)論
    7.2 討論
參考文獻(xiàn)
個(gè)人簡介
    第一導(dǎo)師簡介
    第二導(dǎo)師簡介
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于HJ1B和ALOS/PALSAR數(shù)據(jù)的森林地上生物量遙感估算[J]. 王新云,郭藝歌,何杰.  生態(tài)學(xué)報(bào). 2016(13)
[2]森林地上生物量遙感反演方法綜述[J]. 劉茜,楊樂,柳欽火,李靜.  遙感學(xué)報(bào). 2015(01)
[3]基于多源遙感數(shù)據(jù)的草地生物量估算方法[J]. 王新云,郭藝歌,何杰.  農(nóng)業(yè)工程學(xué)報(bào). 2014(11)
[4]基于SAR數(shù)據(jù)的森林生物量估測(cè)研究進(jìn)展[J]. 黃燕平,陳勁松.  國土資源遙感. 2013(03)
[5]鷲峰地區(qū)QuickBird影像紋理特征與生物量估測(cè)關(guān)系初探[J]. 王昆,張曉麗,王珊,焦志敏,寧亮亮,吳石磊.  地理與地理信息科學(xué). 2013(03)
[6]森林地上生物量遙感估算研究進(jìn)展[J]. 湯旭光,劉殿偉,王宗明,賈明明,董張玉,劉婧怡,徐文明.  生態(tài)學(xué)雜志. 2012(05)
[7]基于樹種分類的高分辨率遙感數(shù)據(jù)紋理特征分析[J]. 王妮,彭世揆,李明詩.  浙江農(nóng)林大學(xué)學(xué)報(bào). 2012(02)
[8]基于TM影像紋理與光譜特征和KNN方法估算5種紅樹林群落生物量[J]. 曹慶先,徐大平,鞠洪波.  林業(yè)科學(xué)研究. 2011(02)
[9]大興安嶺植被生物量的ALOS PALSAR估算[J]. 宋茜,范文義.  應(yīng)用生態(tài)學(xué)報(bào). 2011(02)
[10]利用大光斑激光雷達(dá)數(shù)據(jù)估測(cè)樹高和生物量[J]. 于穎,范文義,李明澤,楊曦光.  林業(yè)科學(xué). 2010(09)

博士論文
[1]森林地上生物量遙感估測(cè)方法研究[D]. 穆喜云.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2015
[2]吉林蛟河針闊混交林生物多樣性時(shí)空格局及其與地上部分生物量的關(guān)系[D]. 范娟.北京林業(yè)大學(xué) 2015
[3]基于GLAS和MISR數(shù)據(jù)的森林冠層高度和地上生物量遙感估算研究[D]. 吳迪.東北林業(yè)大學(xué) 2015

碩士論文
[1]基于多源遙感數(shù)據(jù)的森林蓄積量估算[D]. 王月婷.北京林業(yè)大學(xué) 2015
[2]基于Quickbird和極化雷達(dá)數(shù)據(jù)的森林生物量估測(cè)方法研究[D]. 王昆.北京林業(yè)大學(xué) 2013
[3]桉樹人工林生物量遙感估測(cè)模型研究[D]. 張麗瓊.廣西大學(xué) 2012



本文編號(hào)：3678869